KREN
← Yeongjun Yoo
Andrew Ng: AI Engineering Skills Map · Part 1 of 52026-08-14

This post is in Korean.

총론: AI 엔지니어링 스킬 맵 — AI 시대 개발자의 4대 핵심 역량

원작자: 앤드류 응 (Andrew Ng / DeepLearning.AI)
출처: DeepLearning.AI 뉴스레터 The Batch (Issue 366, 2026년 8월 14일)
역자: 유영준 (완역 및 큐레이션)

TL;DR

[한국어 완역]

친애하는 친구들에게,

저는 **“AI 엔지니어링 스킬 맵(The AI Engineering Skills Map)”**을 여러분께 선보이게 되어 매우 기쁩니다. 오늘날 AI 덕분에 우리는 2022년과는 완전히 다른 방식으로 소프트웨어를 만들 수 있게 되었으며, 이러한 변화를 활용할 수 있는 역량을 갖춘 모든 이들에게 흥미진진한 수많은 프로젝트와 일자리 기회가 열리고 있습니다.

하지만 소음과 과대광고(hype)로 가득 찬 AI 정보 환경 속에서, 여러분이 배워야 할 가장 가치 있는 역량은 무엇일까요? 저는 팀과 함께 (1) 개발자들이 무엇을 먼저 배워야 할지 우선순위를 정하고, (2) 고용주들이 숙련된 개발자를 채용할 수 있도록 돕기 위해 AI 엔지니어링 역량 지도를 종합해 왔습니다.

10,000개 이상의 채용 공고를 분석하고, AI 전문가·채용 관리자·리크루터와의 수십 회에 걸친 구조화된 인터뷰를 진행하며, 설문 조사를 통해 데이터를 수집하고 온라인 데이터를 종합 분석한 결과, 가장 중요한 4가지 AI 엔지니어링 핵심 역량은 다음과 같습니다:

  1. AI 애플리케이션 구축 및 배포 (Building and deploying AI applications)
  2. 소프트웨어 엔지니어링 펀더멘털 (Software engineering fundamentals)
  3. 코딩 에이전트 활용 (Using coding agents)
  4. 제품 빌드 주도 (Shaping the build)

우리의 작업 과정은 거대한 구인 데이터와 전문가 인터뷰 데이터셋을 군집화(clustering)하여, 현재뿐 아니라 가까운 미래에도 가장 중요하게 요구될 역량을 식별해 낸 것이라 이해하시면 됩니다.

용어에 대한 참고

저는 특정 직무인 “AI 엔지니어(AI Engineer, AI 시스템을 만드는 직무)”라는 타이틀보다 **“AI 엔지니어링 역량(AI Engineering skills)”**이라는 표현을 씁니다. 후자가 훨씬 광범위하기 때문입니다.

오늘날 모든 개발자는 클라우드를 다룰 줄 알아야 하지만, 실제로 “클라우드 엔지니어”라는 타이틀을 가진 사람은 소수에 불과합니다. 마찬가지로 풀스택 엔지니어, 데이터 엔지니어, 데브옵스 엔지니어, 머신러닝 엔지니어, 그리고 물론 AI 엔지니어까지 — 모든 개발자에게 AI 엔지니어링 역량이 필요하게 될 것입니다.

4대 기둥 개요

1. AI 애플리케이션 구축 및 배포

AI와 비-AI 애플리케이션의 핵심 차이는 산출물의 **예측 불가능성(unpredictable outputs)**에 있습니다. LLM에 프롬프트를 보낼 때 어떤 결과가 돌아올지 완벽히 알 수 없습니다. 딥러닝 알고리즘을 훈련시킬 때 새로운 데이터에 대해 어떤 예측을 내놓을지 사전에 알 수 없습니다. 반면 전통적인 소프트웨어는 훨씬 예측 가능하게 동작합니다.

숙련된 개발자는 AI의 구성 요소(LLM, 컨텍스트 엔지니어링, RAG, 에이전틱 워크플로우, 머신러닝/딥러닝)를 이해하며, 무엇보다 통계적 기법을 활용해 AI 시스템을 측정·조정·통제하여 보다 예측 가능하게 동작하도록 만듭니다. 여기서 핵심 역량은 철저하고 규율 있는 평가(evals)와 오차 분석 루프를 이끌 줄 아는 능력입니다.

2. 소프트웨어 엔지니어링 펀더멘털

소프트웨어의 작동 원리를 깊이 이해할 때 훨씬 효과적으로 빌드할 수 있습니다. 소프트웨어 엔지니어링은 비용, 확장성, 신뢰성, 속도 등의 상충 관계(tradeoffs)를 조율하는 작업입니다. 여기에 보안과 프라이버시가 복잡성을 더합니다. 펀더멘털을 이해해야 어떤 트레이드오프가 존재하는지조차 인식할 수 있습니다. 이는 소프트웨어 스택 선정, 시스템 아키텍처 설계, 데이터 저장소 설계, 테스팅 등에서 더 나은 결정으로 이어집니다.

반면 자신이 사용하는 코딩 에이전트가 어떤 트레이드오프를 감수하고 있는지 모른 채 바이브 코딩(vibe coding)하는 미숙한 개발자는 에이전트에게 필요한 맥락을 제공하지 못해 질 낮은 결과물을 내기 십상입니다. 펀더멘털을 이해해야만 정확한 소프트웨어 엔지니어링 언어로 에이전트를 유도하여 올바른 트레이드오프를 이끌어낼 수 있습니다.

3. 코딩 에이전트 활용

에이전틱 코딩(agentic coding)을 효과적으로 다루는 것은 이제 모든 개발자의 필수 역량입니다. 이 역량을 갖춘 개발자는 에이전트가 어떻게 작동하는지에 대한 훌륭한 멘탈 모델을 가지고 있습니다. 한계와 우회법을 이해하며, 시간과 토큰을 낭비하지 않고 견고한 소프트웨어를 만들기 위해 에이전트를 얼마나 개입시키고 얼마나 자율에 맡겨야 할지 정확히 알고 지휘합니다.

컨텍스트 관리, 기획과 실행의 균형, 검증기(verifiers)나 평가를 통한 자율 루프 완성, 명확한 명세서 활용, 다중 에이전트 오케스트레이션, 프로덕션 DB 손상 방지 등이 요구됩니다.

4. 제품 빌드 주도

명확한 명세가 주어지면 코딩 에이전트는 이를 놀라운 속도로 구현해 냅니다. 따라서 엔지니어로서 우리의 업무는 “명세서에 무엇이 들어가야 하는가”를 결정하는 쪽으로 이동하고 있습니다.

엔지니어는 더 이상 완벽한 픽셀 단위 디자인을 받아 단순히 구현만 하는 역할을 기대해서는 안 됩니다. 제품 감각과 비즈니스 맥락, 고객 목표를 이해하고 빌드를 직접 형성하고 이끄는 능력이 요구됩니다.

모든 역량의 바탕에는 지속적인 학습의 마인드셋이 자리 잡고 있습니다. 앞으로의 연재를 통해 이 4대 역량을 하나씩 깊이 파헤쳐 보겠습니다.

Keep building!
— 앤드류 응 (Andrew Ng)

[English Original (Excerpt)]

Dear friends,

I am delighted to present The AI Engineering Skills Map. AI allows us to build software very differently today than in 2022, and everyone with the skills to take advantage of this shift has numerous exciting project and job opportunities. But with so much noise and hype, what are the most valuable skills to learn? My team and I have synthesized an AI engineering skills map to (1) help developers prioritize what to learn, and (2) help employers find and hire skilled developers.

Based on an analysis of over 10,000 job postings; carrying out dozens of structured interviews with AI experts, hiring managers, and recruiters; gathering data through surveys; and synthesizing other online data, here are the four most important AI engineering skills:

- Building and deploying AI applications
- Software engineering fundamentals
- Using coding agents
- Shaping the build

A note on terminology: I talk about AI Engineering skills rather than the “AI Engineer” role (someone whose job is to build AI systems), because the former is much broader. Most developers today know how to use the cloud, but only a fraction have the title “Cloud Engineer.” Similarly, all developers — full-stack engineers, data engineers, DevOps engineers, machine learning engineers, and, yes, AI engineers — will need AI engineering skills.

큐레이터 노트

AI 엔지니어링을 단순히 "새로운 LLM API 호출법"이나 "프롬프트 작성 팁"으로 한정 짓는 담론이 만연합니다. 앤드류 응의 이 프레임워크는 엔지니어링의 본질로 시선을 되돌립니다:

  1. 불확실성을 다루는 규율 (Evals)
  2. 소프트웨어 공학의 변하지 않는 본질 (Tradeoffs)
  3. 에이전트를 도구로 지휘하는 오케스트레이션
  4. 결국 비즈니스와 사용자 가치를 만드는 오너십 (Agency)

이 4가지는 단순 코더와 탁월한 엔지니어를 가르는 가장 확실한 기준점입니다.